SEGMENTATION

CLIENT - RFM

import pandas as pd
import numpy as np
import plotly.express as px
import plotly.graph_objects as go
from datetime import datetime

import warnings
warnings.filterwarnings('ignore')

import plotly.io as pio

pio.templates["custom"] = pio.templates["plotly_dark"]  
pio.templates["custom"].layout.update({
    "width": 600,
    "height": 350
})

pio.templates.default = "custom"

IMPORTATION ET DESCRIPTION DES DONNEES

Le dataset utilisé ici est contsitué des données de vente d'un magasin de fashion ; Il contient environ 6,5M de lignes et 19 colonnes.(source: kaggle.com)

path = r"C:\Users\NOGO G$\Desktop\ISJ\ISJ_perso\Projet\Global_fashion_Analysis\Fashion_data\ventes.csv"

df = pd.read_csv (path)

df.shape

(6416827, 19)

# mise en forme des noms de colonnes 
df.columns = df.columns.str.strip().str.lower().str.replace(' ', '_')

df.columns

Index(['invoice_id', 'line', 'customer_id', 'product_id', 'size', 'color',
       'unit_price', 'quantity', 'date', 'discount', 'line_total', 'store_id',
       'employee_id', 'currency', 'currency_symbol', 'sku', 'transaction_type',
       'payment_method', 'invoice_total'],
      dtype='object')

colonnes_utiles = [
    'invoice_id', 'customer_id', 'date', 'unit_price', 'quantity', 
    'discount', 'line_total', 'invoice_total', 'payment_method'
]
df = df[colonnes_utiles]

Pour la suite de mon analyse Je vais simuler une colonne age et age_bin pour enrichir nos données

"""
Génération des âges avec une distribution normale, centrée autour de 42 ans et 
écart-type de 10 pour avoir une distribution réaliste
"""
df['age'] = np.random.normal(loc=42, scale=10, size=df.shape[0])
df['age'] = df['age'].clip(18, 75).astype(int)

# Création des catégories (bins)
bins = [17, 25, 35, 45, 55, 65, 100]
labels = ['18-25 ans', '26-35 ans', '36-45 ans', '46-55 ans', '56-65 ans', '+66 ans']

df['age_bin'] = pd.cut(df['age'], bins=bins, labels=labels)

df.head()

	invoice_id	customer_id	date	unit_price	quantity	discount	line_total	invoice_total	payment_method	age	age_bin
0	INV-US-001-03558761	47162	2023-01-01 15:42:00	80.5	1	0.0	80.5	126.7	Cash	29	26-35 ans
1	INV-US-001-03558761	47162	2023-01-01 15:42:00	31.5	1	0.4	18.9	126.7	Cash	52	46-55 ans
2	INV-US-001-03558761	47162	2023-01-01 15:42:00	45.5	1	0.4	27.3	126.7	Cash	45	36-45 ans
3	INV-US-001-03558762	10142	2023-01-01 20:04:00	70.0	1	0.4	42.0	77.0	Cash	40	36-45 ans
4	INV-US-001-03558762	10142	2023-01-01 20:04:00	26.0	1	0.0	26.0	77.0	Cash	31	26-35 ans

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6416827 entries, 0 to 6416826
Data columns (total 11 columns):
 #   Column          Dtype   
---  ------          -----   
 0   invoice_id      object  
 1   customer_id     int64   
 2   date            object  
 3   unit_price      float64 
 4   quantity        int64   
 5   discount        float64 
 6   line_total      float64 
 7   invoice_total   float64 
 8   payment_method  object  
 9   age             int64   
 10  age_bin         category
dtypes: category(1), float64(4), int64(3), object(3)
memory usage: 495.7+ MB

#Petit cadeau : 2 alternatives au describe pour les statistiques des colonnes 😁👌

from skimpy import skim
#from summarytools import dfSummary
from IPython.core.display import display, HTML

print("Résumé rapide avec skimpy :")
skim(df)

Résumé rapide avec skimpy :

╭──────────────────────────────────────────────── skimpy summary ─────────────────────────────────────────────────╮
│          Data Summary                 Data Types               Categories                                       │
│ ┏━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━┓ ┏━━━━━━━━━━━━━┳━━━━━━━┓ ┏━━━━━━━━━━━━━━━━━━━━━━━┓                               │
│ ┃ Dataframe         ┃ Values  ┃ ┃ Column Type ┃ Count ┃ ┃ Categorical Variables ┃                               │
│ ┡━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━┩ ┡━━━━━━━━━━━━━╇━━━━━━━┩ ┡━━━━━━━━━━━━━━━━━━━━━━━┩                               │
│ │ Number of rows    │ 6416827 │ │ float64     │ 4     │ │ age_bin               │                               │
│ │ Number of columns │ 11      │ │ string      │ 3     │ └───────────────────────┘                               │
│ └───────────────────┴─────────┘ │ int64       │ 3     │                                                         │
│                                 │ category    │ 1     │                                                         │
│                                 └─────────────┴───────┘                                                         │
│                                                     number                                                      │
│ ┏━━━━━━━━━━━━━━━━━┳━━━━━┳━━━━━━━┳━━━━━━━━━┳━━━━━━━━━┳━━━━━━━━┳━━━━━━━━━┳━━━━━━━━┳━━━━━━━━━┳━━━━━━━━━┳━━━━━━━━┓  │
│ ┃ column          ┃ NA  ┃ NA %  ┃ mean    ┃ sd      ┃ p0     ┃ p25     ┃ p50    ┃ p75     ┃ p100    ┃ hist   ┃  │
│ ┡━━━━━━━━━━━━━━━━━╇━━━━━╇━━━━━━━╇━━━━━━━━━╇━━━━━━━━━╇━━━━━━━━╇━━━━━━━━━╇━━━━━━━━╇━━━━━━━━━╇━━━━━━━━━╇━━━━━━━━┩  │
│ │ customer_id     │   0 │     0 │  732600 │  487500 │      1 │  294500 │ 676500 │ 1139000 │ 1643000 │ ▇▆▆▅▅▅ │  │
│ │ unit_price      │   0 │     0 │   132.5 │   185.1 │      2 │    32.5 │     51 │   116.5 │    1154 │  ▇▁▁   │  │
│ │ quantity        │   0 │     0 │     1.1 │  0.3964 │      1 │       1 │      1 │       1 │       3 │   ▇    │  │
│ │ discount        │   0 │     0 │  0.1191 │   0.199 │      0 │       0 │      0 │    0.25 │     0.6 │ ▇   ▁▂ │  │
│ │ line_total      │   0 │     0 │   114.2 │   211.6 │  -3348 │   24.75 │   43.5 │     109 │    3460 │    ▇▅  │  │
│ │ invoice_total   │   0 │     0 │   243.5 │   536.7 │  -6750 │   34.02 │   83.5 │     241 │    8977 │    ▇   │  │
│ │ age             │   0 │     0 │   41.53 │   9.918 │     18 │      35 │     41 │      48 │      75 │ ▂▅▇▅▂  │  │
│ └─────────────────┴─────┴───────┴─────────┴─────────┴────────┴─────────┴────────┴─────────┴─────────┴────────┘  │
│                                                    category                                                     │
│ ┏━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━┓  │
│ ┃ column                   ┃ NA         ┃ NA %             ┃ ordered                  ┃ unique               ┃  │
│ ┡━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━┩  │
│ │ age_bin                  │          0 │                0 │ True                     │                    6 │  │
│ └──────────────────────────┴────────────┴──────────────────┴──────────────────────────┴──────────────────────┘  │
│                                                     string                                                      │
│ ┏━━━━━━━━━━━┳━━━━┳━━━━━━┳━━━━━━━━━━━┳━━━━━━━━━━━┳━━━━━━━━━━━┳━━━━━━━━━━━┳━━━━━━━━━━━┳━━━━━━━━━━━┳━━━━━━━━━━━━┓  │
│ ┃           ┃    ┃      ┃           ┃           ┃           ┃           ┃ chars per ┃ words per ┃ total      ┃  │
│ ┃ column    ┃ NA ┃ NA % ┃ shortest  ┃ longest   ┃ min       ┃ max       ┃ row       ┃ row       ┃ words      ┃  │
│ ┡━━━━━━━━━━━╇━━━━╇━━━━━━╇━━━━━━━━━━━╇━━━━━━━━━━━╇━━━━━━━━━━━╇━━━━━━━━━━━╇━━━━━━━━━━━╇━━━━━━━━━━━╇━━━━━━━━━━━━┩  │
│ │ invoice_i │  0 │    0 │ INV-US-00 │ INV-US-00 │ INV-CN-00 │ RET-US-00 │        19 │         1 │    6416827 │  │
│ │ d         │    │      │ 1-0355876 │ 1-0355876 │ 6-0286499 │ 5-0436404 │           │           │            │  │
│ │           │    │      │ 1         │ 1         │ 7         │ 3         │           │           │            │  │
│ │ date      │  0 │    0 │ 2023-01-0 │ 2023-01-0 │ 2023-01-0 │ 2025-03-1 │        19 │         2 │   12833654 │  │
│ │           │    │      │ 1         │ 1         │ 1         │ 8         │           │           │            │  │
│ │           │    │      │ 15:42:00  │ 15:42:00  │ 00:00:00  │ 20:59:00  │           │           │            │  │
│ │ payment_m │  0 │    0 │ Cash      │ Credit    │ Cash      │ Credit    │       9.6 │       1.8 │   11552125 │  │
│ │ ethod     │    │      │           │ Card      │           │ Card      │           │           │            │  │
│ └───────────┴────┴──────┴───────────┴───────────┴───────────┴───────────┴───────────┴───────────┴────────────┘  │
╰────────────────────────────────────────────────────── End ──────────────────────────────────────────────────────╯

print( "Nous avons {} clients dans notre base".format(df["customer_id"].nunique()))

Nous avons 1283707 clients dans notre base

#Vérification des valeurs manquantes
df.isnull().sum()

invoice_id        0
customer_id       0
date              0
unit_price        0
quantity          0
discount          0
line_total        0
invoice_total     0
payment_method    0
age               0
age_bin           0
dtype: int64

ANALYSE EXPLORATOIRE

# Aggrégation du nombre de clients et du chiffre d'afffaire par tranches d'age

age_stats = df.groupby('age_bin').agg({
    'customer_id': pd.Series.nunique,  
    'invoice_total': 'sum'            
}).reset_index().rename(columns={
    'customer_id': 'nb_clients',
    'invoice_total': 'total_ventes'
})

age_stats

	age_bin	nb_clients	total_ventes
0	18-25 ans	288715	8.587038e+07
1	26-35 ans	748412	3.422910e+08
2	36-45 ans	967385	5.962557e+08
3	46-55 ans	821499	4.120641e+08
4	56-65 ans	360634	1.134392e+08
5	+66 ans	50859	1.274799e+07

fig_clients = px.bar(
    age_stats,
    x='age_bin',
    y='nb_clients',
    title='Nombre de clients uniques par tranche d’âge :',
    labels={'nb_clients': 'Nombre de clients', 'age_bin': 'Tranche d’âge'},
    text='nb_clients'
)

fig_clients.update_traces(textposition='outside')
fig_clients.write_image("clients.png") 
fig_clients.show()

fig_ventes = px.bar(
    age_stats,
    x='age_bin',
    y='total_ventes',
    title='CA par tranche d’âge :',
    labels={'total_ventes': 'Montant total (€)', 'age_bin': 'Tranche d’âge'},
    text='total_ventes'
)

fig_ventes.update_traces(texttemplate='%{text:.2s} €', textposition='outside')
fig_ventes.show()

fig_ventes.write_image("fig_ventes.png") 

# Répartition par moyen de payement 

payement_stats = df.groupby('payment_method').agg({
    'customer_id': pd.Series.nunique,  # nombre de clients distincts
    'invoice_total': 'sum'             # total des ventes
}).reset_index().rename(columns={
    'customer_id': 'nb_clients',
    'invoice_total': 'montant_Total'
})

payement_stats

	payment_method	nb_clients	montant_Total
0	Cash	597270	3.108976e+08
1	Credit Card	1203441	1.251771e+09

from plotly.subplots import make_subplots


payement_method_pie_1 = px.pie(
    payement_stats,  
    names='payment_method',  
    values='montant_Total',  
    title='Répartition des montants par méthode de payement',
    labels={'montant_Total': 'Montant (€)', 'payment_method': 'méthtode de payement'},
)


payement_method_pie_2 = px.pie(
    payement_stats,
    names='payment_method',  
    values='nb_clients',  
    title='Répartition des clients par méthode de payement',
    labels={'nb_clients': 'Montant (€)', 'payment_method': 'méthtode de payement'},
)


# Créer un subplot avec 1 ligne et 2 colonnes
fig = make_subplots(rows=1, cols=2, subplot_titles=('Nombre de clients', 'Montant (€)'),
                    specs=[[{'type': 'pie'}, {'type': 'pie'}]])

# Ajouter les graphiques en secteurs dans le subplot
fig.add_trace(payement_method_pie_2.data[0], row=1, col=1)
fig.add_trace(payement_method_pie_1.data[0], row=1, col=2)

# Mettre à jour le layout pour afficher correctement les titres et ajuster le style
fig.update_layout(
    title_text="Répartition du nombre de clients et CA par méthode de payemennt :",
    showlegend=True
)

# Afficher le graphique
fig.show()

fig.write_image("payement_method.png") 

Nous n'allons pas nous attarder ici sur l'analyse exploratoire car l'objectif principal est l'implémentation la segmentation RFM.

SEGMENTATION RFM

#Traitement de la date

df['date'] = pd.to_datetime(df['date'], errors='coerce')
df = df.dropna(subset=['date'])  

# Date de référence pour le calcul de la récence R
ref_date = df['date'].max() + pd.Timedelta(days=1)

#Création de notre table client pour le scoring
rfm = df.groupby('customer_id').agg({
    'date': lambda x: (ref_date - x.max()).days,
    'invoice_id': 'nunique',
    'invoice_total': 'sum'
}).reset_index()

rfm.columns = ['customer_id', 'Recency', 'Frequency', 'Monetary']
rfm.head()

	customer_id	Recency	Frequency	Monetary
0	1	102	5	831.30
1	2	34	4	1840.77
2	3	297	3	136.50
3	4	527	2	349.70
4	5	112	11	2273.00

Dans ce dataframe chaque ligne correspond à un client unique (environ 1,3M clients) et les métriques de son comportement que nous allons exploiter pour scorer et segmenter de manière efficace.

rfm.shape

(1283707, 4)

"""
Scoring suivant une logique de 1 à 5 pour la F et M
et de 5 à 1 pour la R (car il plus il est bas plus vous etes un bon client contrairement aux autres )
"""

rfm['R'] = pd.qcut(rfm['Recency'], 5, labels=[5,4,3,2,1])
rfm['F'] = pd.qcut(rfm['Frequency'].rank(method="first"), 5, labels=[1,2,3,4,5])
rfm['M'] = pd.qcut(rfm['Monetary'], 5, labels=[1,2,3,4,5])
rfm['RFM_Score'] = rfm[['R','F','M']].astype(str).agg(''.join, axis=1)

rfm.head()

	customer_id	Recency	Frequency	Monetary	R	F	M	RFM_Score
0	1	102	5	831.30	3	4	4	344
1	2	34	4	1840.77	5	4	5	545
2	3	297	3	136.50	2	3	2	232
3	4	527	2	349.70	1	2	3	123
4	5	112	11	2273.00	3	5	5	355

#Affichage de la distribution des score
fig = px.histogram(rfm, x='RFM_Score', title='Distribution des scores RFM :')
fig.show()

fig.write_image("Distribution_score.png") 

Avec ce graphique nous pouvons déja identifier les profils les plus présents dans notre base client.

"""
Création des segments en fonction de quelques scénarios 
simples que nous allons identifier
"""

def segment(score):
    r, f, m = int(score[0]), int(score[1]), int(score[2])

    # 1. Clients Premium (VIP)
    if r >= 4 and f >= 4 and m >= 4:
        return "Premium"

    # 2. Fidèles actifs
    elif r >= 3 and f >= 3:
        return "Fidèles"

    # 3. Nouveaux ou Récents
    elif r >= 4 and f <= 2:
        return "Nouveaux"

    # 4. À réactiver (anciens fidèles ou gros acheteurs)
    elif r <= 2 and (f >= 3 or m >= 4):
        return "À Réactiver"

    # 5. Perdus ou peu engagés
    else:
        return "Inactifs"

rfm["segment"] = rfm["RFM_Score"].apply(segment)

rfm.head(10)

	customer_id	Recency	Frequency	Monetary	R	F	M	RFM_Score	segment
0	1	102	5	831.30	3	4	4	344	Fidèles
1	2	34	4	1840.77	5	4	5	545	Premium
2	3	297	3	136.50	2	3	2	232	À Réactiver
3	4	527	2	349.70	1	2	3	123	Inactifs
4	5	112	11	2273.00	3	5	5	355	Fidèles
5	6	6	4	2199.50	5	4	5	545	Premium
6	7	112	2	23.65	3	2	1	321	Inactifs
7	8	318	5	458.25	2	4	4	244	À Réactiver
8	9	557	2	181.00	1	2	3	123	Inactifs
9	10	74	7	296.05	5	5	3	553	Fidèles

fig = px.pie(rfm, names='segment', title='Répartition des segments :')
fig.show()

fig.write_image("Répartition_segment.png") 

rfm.to_csv("rfm_final_export.csv", index=False, encoding='utf-8-sig')

CONCLUSION

Grâce à cette segmentation RFM optimisée, nous pouvons déjà identifier des profils clients clés permettant un ciblage marketing plus pertinent et efficace. Chaque segment révèle des comportements d’achat spécifiques — qu’il s’agisse des clients Premium, des Fidèles, des Nouveaux acheteurs, des clients à réactiver ou des Inactifs.

Cette classification permet d’adapter les actions marketing à la réalité terrain, en déployant des stratégies ciblées :

• Récompenses et exclusivités pour les Premium
• Programme de fidélisation pour les clients réguliers
• Parcours d’onboarding pour les nouveaux
• Campagnes de relance pour les clients à réengager
• Maîtrise des coûts marketing pour les segments peu engagés

Cela se traduit par une meilleure efficacité des campagnes, une réduction des coûts d’acquisition et de rétention, et une amélioration de la satisfaction client par des communications plus personnalisées et utiles.

Enfin, cette segmentation peut servir de base pour des initiatives plus avancées, comme un système de recommandation intelligent, capable de prédire les préférences produits de chaque profil client et d’automatiser les propositions commerciales personnalisées. Ce type d’approche ouvre la voie à une stratégie de marketing prédictif orientée valeur client.

from IPython.display import Image, display

display(Image(filename='Output/scatter_rfm.png'))